हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।
liquid/lfm-3-1.7bऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।
सेटिंग्स
LiquidAI: LFM3-1.7B, LiquidAI का एक टेक्स्ट मॉडल है। यह 1.7 बिलियन पैरामीटर वाला एक कॉम्पैक्ट मॉडल है, जिसे इसके प्रदाता ने टेक्स्ट जनरेशन कार्यों के लिए एक छोटे लेकिन सक्षम विकल्प के रूप में प्रस्तुत किया है। इसे प्रदाता ने 6 नवंबर 2026 को जारी किया था। यह मॉडल एजेंट, टूल कॉलिंग और संरचित आउटपुट के लिए पोस्ट-ट्रेंड किया गया है, और यह उत्तर देने से पहले तर्क करता है।
यह मॉडल इनपुट के रूप में टेक्स्ट स्वीकार करता है और आउटपुट के रूप में टेक्स्ट लौटाता है, इसलिए यह केवल टेक्स्ट वाली पाइपलाइनों में फिट बैठता है। इसकी कॉन्टेक्स्ट विंडो 262,144 टोकन है, जो इतनी बड़ी है कि एक ही अनुरोध में लंबे दस्तावेज़, विस्तारित बातचीत, या बड़ी कोड फ़ाइलें रख सके। अधिकतम आउटपुट 8,192 टोकन है, इसलिए इनपुट बहुत लंबा होने पर भी प्रतिक्रियाएं सीमित रहती हैं। चूंकि यह उत्तर देने से पहले तर्क करता है, यह अपनी अंतिम प्रतिक्रिया देने से पहले किसी समस्या पर चरण दर चरण काम कर सकता है।
ये क्षमताएं कुछ व्यावहारिक उपयोगों की ओर इशारा करती हैं। लंबा कॉन्टेक्स्ट उन कार्यों के लिए उपयुक्त है जिनमें एक साथ कई दस्तावेज़ या लंबा इतिहास देखने की आवश्यकता होती है, जैसे किसी बड़ी फ़ाइल का सारांश बनाना, लंबे ट्रांसक्रिप्ट पर प्रश्नों के उत्तर देना, या पूरे कोडबेस पर काम करना। टूल कॉलिंग और संरचित आउटपुट इसे एजेंट वर्कफ़्लो के लिए उचित बनाते हैं जहां मॉडल को तय करना होता है कि कौन सा फ़ंक्शन कॉल करना है और डेटा को एक निश्चित आकार में लौटाना है। तर्क चरण उन कार्यों में मदद करता है जिन्हें मध्यवर्ती सोच से लाभ होता है, जैसे बहु-चरणीय विश्लेषण या योजना। इसका छोटा आकार इसे ऐसे मामलों में उम्मीदवार भी बनाता है जहां बड़े मॉडल की तुलना में कॉम्पैक्ट मॉडल को प्राथमिकता दी जाती है।
आप मॉडल आईडी "liquid/lfm-3-1.7b" का उपयोग करके api14 के OpenAI-संगत API के माध्यम से मॉडल को कॉल करते हैं। चूंकि API OpenAI प्रारूप का पालन करता है, आप एक मौजूदा OpenAI क्लाइंट को api14 की ओर इंगित कर सकते हैं और उस आईडी को model फ़ील्ड में पास कर सकते हैं। यह मॉडल अनुरोध मापदंडों के एक व्यापक सेट का समर्थन करता है: सैंपलिंग नियंत्रण के लिए frequency_penalty, presence_penalty, repetition_penalty, temperature, top_p, top_k, और min_p; आउटपुट लंबाई के लिए max_tokens और max_completion_tokens; स्टॉप अनुक्रमों के लिए stop; पुनरुत्पादक सैंपलिंग के लिए seed; टोकन-स्तरीय संभावनाओं के लिए logprobs और top_logprobs; संरचित प्रतिक्रियाओं के लिए response_format और structured_outputs; फ़ंक्शन कॉलिंग के लिए tools और tool_choice; तर्क व्यवहार के लिए reasoning और include_reasoning; और frequency_penalty के साथ पहले से सूचीबद्ध अन्य दंड भी।
विचार करने वाली एक बात डेटा हैंडलिंग है। प्रॉम्प्ट और आउटपुट को बनाए रखा और उपयोग किया जा सकता है, इसलिए यदि आपके कार्यभार में संवेदनशील या विनियमित सामग्री शामिल है, तो यह नीति यह तय करते समय मायने रखती है कि यह मॉडल उपयुक्त है या नहीं। 8,192-टोकन की आउटपुट सीमा भी उन कार्यों के लिए ध्यान देने योग्य है जिनमें बहुत लंबी एकल प्रतिक्रियाओं की आवश्यकता होती है। सीधे टेक्स्ट जनरेशन, लंबे कॉन्टेक्स्ट वाली रीडिंग, और एजेंट-शैली टूल उपयोग के लिए, यह मॉडल एक मानक OpenAI-संगत इंटरफ़ेस के माध्यम से आवश्यक बातों को कवर करता है।
इस कम्युनिटी में अभी कोई टॉपिक नहीं है। LiquidAI: LFM3-1.7B के बारे में पहला टॉपिक खोलें।
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "liquid/lfm-3-1.7b",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
frequency_penaltyinclude_reasoninglogprobsmax_completion_tokensmax_tokensmin_ppresence_penaltyreasoningrepetition_penaltyresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_ktop_logprobstop_p